在分析一个事件走势的时候，一般我们会获取到这个事件系列的数据。但是，在绘制出相关的曲线的之后，我们会发现曲线的上下振动比较频繁，那是因为一些短期内的杂数据引起的。比如：
上图的原始数据获取 chartData.js，总共 2000 个点
那么，我们怎么通过事件的系列数据，得到这个事件的相关走势呢？
在进入主题前，我们先了解下 滑动窗口算法
滑动窗口算法假设给你这一些列的数据：[1,2,3,4,5,6,7,8,4,3,2,1]，求出相邻的三个数之和最大是多少？
，我们有下面的思路：
从左到右，三个数计算求和
先右移动一位，三个数重新计算求和
比较每次的求和大小，取最大的保存
进入第 2 步骤执行
直到数组最后三个数求和并比较完成后，返回最大的和
我们来实现下：
function getSum(arr, step) { // arr 是一维数组 // 这里没有考虑边界等问题 let sum = 0; for(let i = 0; i < (arr.length - step + 1); i += 1) { let tempSum = 0; for(let j = i; j < (i+step); j += 1) { tempSum += arr[j]; } if(tempSum > sum) { sum = tempSum; } tempSum = 0; } return sum; } let maxSum = getSum([1,2,3,4,5,6,7,8,4,3,2,1], 3); console.log(maxSum); // 21 复制代码
但是，这里的时间算法复杂度去到了 O(n2n^2)，我们能够改善下时间复杂度吗？
窗口滑动算法 是一种基于双指针的一种思想，两个指针指向的元素之间形成一个窗口。可用于解决数组/字符串的字元素问题，用在减少嵌套循环的使用，并且用单循环代替它，减少时间复杂度。
So，我们将上面的代码更改下：
function getSumSlidingWindow(arr, step) { // 这里同样没有考虑边界等问题 let sum = 0; for(let i = 0; i < step; i++) { sum += arr[i]; } let tempSum = sum; for(let i = step; i < arr.length; i++) { tempSum += arr[i] - arr[i - step]; if(tempSum > sum) { sum = tempSum; } } return sum; } let maxSum = getSumSlidingWindow([1,2,3,4,5,6,7,8,4,3,2,1], 3); console.log(maxSum); // 21 复制代码
窗口滑动算法的时间复杂度去到了 O(n)。
实现平滑曲线接下来，我们使用移动滑动窗口，来进行 21 个点为一个窗口的 MA 过滤算法。
MA -> Moving Average 移动平均
顾名思义，移动平均，就是将移动窗口中的值进行求平均，我们可以通过下面的代码进行数据处理：
let maDatas = []; // 滑动窗口 function filterAverage(signal, k) { // k 应该为奇数 let sum = 0; for(let i = 0; i < k; i++) { sum += signal[i]; if(i < (k-1) / 2) { // 本例中，我们忽略数组的前 10 个数据 maDatas.push(null); } } maDatas.push(sum / k); for(let i = k; i < signal.length; i++) { sum += signal[i] - signal[i - k]; maDatas.push(sum / k)； // 本例中，忽略数组的后 10 个数据 } } filterAverage(rawDatas, 21); 复制代码
数据量大的时候，我们忽略些前后的数据，影响不大，如果你觉得不应该忽略的话，那你需要对这些数据进行特殊的处理。比如，第一数据，平均值是第一个数据的值，第二个数据，平均值是第一个数据+第二个数据的平均值，以此类推
通过上面 filterAverage 方法，我们可以计算出移动平均过滤后的数值，绘制出曲线见下图 ma。
通过图，我们可能没能感受到 ma 的图表的平滑度，我们结合 求解波值的波峰和波谷「Javascript」 来求一下两者的波峰和波谷：
原始数据: 波峰 => 430; 波谷 => 430 MA 数据: 波峰 => 64; 波谷 => 65 复制代码
思考：那么，我们可以通过调整滑动窗口，算出股票中的 5 日均线，10 日均线，20 日均线和 60日均线。
我们可以通过移动平均过滤算法预测接下来一段时间的走势。You can think in deeply。
推荐阅读
（本文由公众号越声投顾（yslcw927））整理，仅供参考，不构成操作建议。如自行操作，注意仓位控制和风险自负。)
K线是指股票走势中的K线图，源于日本德川幕府时代(1603～1867年)，被当时日本米市的商人用来记录米市的行情与价格波动，后因其细腻独到的标 画方式而被先引入期货，很多人都以为K线是先从股市开始的。通过K线图，我们能够把每日或某一周期的市况现完全记录下来，股价经过一段时间的盘档后，在图 上即形成一种特殊区域或形态，不同的形态显示出不同意义。插入线、抱线和利好刺激线这三种K线组合是最常见的经典见底形态。
如果您喜欢以上文章，想了解更多股市投资经验及技巧，关注公众号越声投顾（yslcw927），干货很多!
引用地址:https://www.gupiaohao.com/202408/52058.html
tags: